基于路径规划和深度强化学习的机器人避障导航研究

来源：计算机应用与软件杂志2024年第1期北京时间：

作者：康振兴

摘要：针对移动机器人的长距离避障导航问题，提出结合深度强化学习（Deep Reinforcement Learning, DRL）和路径规划（Path Planning, PL）的避障导航算法。该方法通过快速扩展随机树（Rapidly Exploring Random Tree, RRT）算法在长距离的路径上进行规划，根据生成的路径节点，将长距离路径划分为若干短距离，而在短距离的导航问题上利用深度强化学习的算法，训练一个具有环境感知和智能决策能力的端到端避障导航模型。仿真实验表明，相较于仅用DRL的避障导航，该方法使移动机器人的长距离避障导航性能有了大幅度提升，解决了DRL在长距离避障导航任务上的局限性问题。

关键词：深度强化学习, 路径规划, 移动机器人, 长距离避障导航